CN114758514B - 一种基于道路使用模式的路径诱导方法及系统 - Google Patents

一种基于道路使用模式的路径诱导方法及系统 Download PDF

Info

Publication number
CN114758514B
CN114758514B CN202210296447.2A CN202210296447A CN114758514B CN 114758514 B CN114758514 B CN 114758514B CN 202210296447 A CN202210296447 A CN 202210296447A CN 114758514 B CN114758514 B CN 114758514B
Authority
CN
China
Prior art keywords
path
representative value
destination
candidate path
road section
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210296447.2A
Other languages
English (en)
Other versions
CN114758514A (zh
Inventor
王骋程
朱世超
徐润
孔军
张润芝
张常勇
毕聪威
王超
甄倩倩
吴伟令
肖飞
夏建平
姚健文
王浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Expressway Infrastructure Construction Co ltd
Shandong Provincial Communications Planning and Design Institute Group Co Ltd
Original Assignee
Shandong Expressway Infrastructure Construction Co ltd
Shandong Provincial Communications Planning and Design Institute Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Expressway Infrastructure Construction Co ltd, Shandong Provincial Communications Planning and Design Institute Group Co Ltd filed Critical Shandong Expressway Infrastructure Construction Co ltd
Priority to CN202210296447.2A priority Critical patent/CN114758514B/zh
Publication of CN114758514A publication Critical patent/CN114758514A/zh
Application granted granted Critical
Publication of CN114758514B publication Critical patent/CN114758514B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明提供了一种基于道路使用模式的路径诱导方法及系统，包括：获取各主干路段的流量和交通事故信息，判别各主干路段的拥堵和异常情况，将发生拥堵或异常情况的主干路段作为目标路段；获取某历史时间段内途径所述目标路段的所有车辆的行驶轨迹，确定途径所述目标路段的主要起讫点；对于每对主要起讫点，计算主要起讫点之间的每条候选路径的饱和度代表值，基于每条候选路径的饱和度代表值，将主要起讫点的流量分配至各条候选路径。提高了路径诱导的效率和有效性。

Description

一种基于道路使用模式的路径诱导方法及系统
技术领域
本发明属于路径诱导技术领域，尤其涉及一种基于道路使用模式的路径诱导方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
目前，高速公路大流量场景下的拥堵问题不容忽视，节假日以及突变条件下高速公路出现的大面积拥堵情况也已经严重影响居民出行。通过在拥堵路段上游对出行者进行诱导分流，减轻拥堵路段压力，加速拥堵消散过程，是一种重要的交通运行安全保障方法。
对于路径求解的路径诱导方法求解主要依托交通分配算法，以用户均衡与最优原则为主，通过建立管理者与出行者之间的博弈模型求解路径优化问题。对于直接分流的路径诱导方法，通常针对下游拥堵瓶颈，对于尚未驶入拥堵区域的车流进行引导分流，结合驾驶人个人属性等影响因素选择合适的分流区域和节点。
但是，以用户均衡与最优进行模型求解路径诱导方案往往具有理论性，在实际应用中较难实现，对于直接分流的路径诱导方法往往依托高速公路实时监测的流量数据，仅考虑瓶颈处的疏导，对整体路网和道路使用规律和影响考虑较少。
发明内容
为了解决上述背景技术中存在的技术问题，本发明提供一种基于道路使用模式的路径诱导方法及系统，基于道路的历史使用规律进行路径诱导，提高了路径诱导策略的可实施性。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种基于道路使用模式的路径诱导方法，其包括：
获取各主干路段的流量和交通事故信息，判别各主干路段的拥堵和异常情况，将发生拥堵或异常情况的主干路段作为目标路段；
获取某历史时间段内途径所述目标路段的所有车辆的行驶轨迹，确定途径所述目标路段的主要起讫点；
对于每对主要起讫点，计算主要起讫点之间的每条候选路径的饱和度代表值，基于每条候选路径的饱和度代表值，将主要起讫点的流量分配至各条候选路径。
进一步地，所述主要起讫点之间的候选路径采用k短路算法得到。
进一步地，所述每条候选路径的饱和度代表值为每条候选路径中各个分支路段的饱和度的最大值。
进一步地，所述分支路段的饱和度为分支路段的流量与容量的比值。
进一步地，所述分支路段的流量的计算步骤为：
获取分支路段的起讫点间的距离与旅行时间；
基于起讫点间的距离与旅行时间，计算分支路段的车流速度；
将所述车流速度输入速度-流量模型，得到分支路段的流量。
进一步地，将主要起讫点的流量分配至各条候选路径的具体步骤为：
将主要起讫点的流量分配至饱和度代表值最小的候选路径，直到饱和度代表值最小的候选路径的饱和度代表值等于饱和度代表值次小的候选路径的饱和度代表值；
将主要起讫点的流量并分配至饱和度代表值最小的候选路径和饱和度代表值次小的候选路径，直到这两条候选路径的饱和度代表值等于饱和度代表值第三小的候选路径的饱和度代表值；
以此类推，直到所有候选路径的饱和度代表值相等且初始交通需求量无剩余。
进一步地，若所有候选路径的饱和度代表值相等后初始交通需求量有剩余，执行以下步骤：
①将分配完毕后的各条候选路径的饱和度代表值作为二分法的下界；
②对于各条候选路径，基于二分法的下界，计算各条候选路径的二分饱和度代表值以及交通需求量；
③计算各条候选路径的交通需求量与所述初始交通需求剩余量的差值，判断该差值是否小于设定阈值，若小于，则根据各条候选路径的交通需求量将主要起讫点的流量分配至各条候选路径；否则，返回步骤②。
本发明的第二个方面提供一种基于道路使用模式的路径诱导系统，其包括：
目标路段确定模块，其被配置为：获取各主干路段的流量和交通事故信息，判别各主干路段的拥堵和异常情况，将发生拥堵或异常情况的主干路段作为目标路段；
主要起讫点确定模块，其被配置为：获取某历史时间段内途径所述目标路段的所有车辆的行驶轨迹，确定途径所述目标路段的主要起讫点；
流量分配模块，其被配置为：对于每对主要起讫点，计算主要起讫点之间的每条候选路径的饱和度代表值，基于每条候选路径的饱和度代表值，将主要起讫点的流量分配至各条候选路径。
本发明的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种基于道路使用模式的路径诱导方法中的步骤。
本发明的第四个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种基于道路使用模式的路径诱导方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明提供了一种基于道路使用模式的路径诱导方法，其分析道路的历史使用规律，基于道路的历史使用规律进行路径诱导，提高了路径诱导的效率和有效性。
本发明提供了一种基于道路使用模式的路径诱导方法，其结合多源数据进行补充分析，有效解决了全域数据难以获取的问题。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例一的一种基于道路使用模式的路径诱导方法的流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
本实施例提供了一种基于道路使用模式的路径诱导方法，利用道路使用模式分析，可引导车流合理利用路网资源，如图1所示，具体包括如下步骤：
步骤1、提取目标区域范围内主干路段(高速公路及国省道)和分支路段(市政道路)的道路信息和道路属性，构建道路交通网络；
步骤2、获取各主干路段的流量和交通事故信息，判别各主干路段的拥堵和异常情况，将发生拥堵或异常情况的主干路段作为目标路段。
具体的，获取主干路段的卡口数据，处理得到主干路段的交通流量，绘制实时主干路段流量随时间变化的曲线，并判别高速公路道路拥堵；
具体的，判别高速公路道路拥堵是指，计算主干路段的饱和度(即V/C，其中，V指主干路段的交通流量，C指主干路段的容量)，判断道路拥堵情况，当主干路段的饱和度大于0.75判定为拥堵状态。
获取各个主干路段上报的交通事故信息，若某主干路段发生交通事故，则该主干路段判定为发生异常情况。
步骤3、获取分支路段的流量，通过第三方软件获取区域范围内分支路段各时间窗的旅行时间及距离，计算路段平均速度并反推流量。具体步骤为：
(301)使用第三方软件在路网中获取区域范围内各路段起终点间的距离与考虑实时路况的旅行时间；基于起讫点间的距离与旅行时间，计算分支路段的车流速度；
(302)基于微波车辆检测器获取的市政路段历史时间的车流速度、车流流量，构建速度-流量模型并进行参数标定；
(303)将车流速度输入速度-流量模型，得到分支路段的流量，即将通过第三方软件获取数据计算出的实时车流速度代入模型反推出各路段各时间窗实时估计流量。
步骤4、高速公路道路历史使用规律分析：
基于历史轨迹数据统计目标路段目标时间段途经车辆的主要起讫点分布。
(401)遍历历史数据中目标时间段途经目标路段车辆，记录该车辆行驶轨迹数据中起讫点的点位名称(进出站或省界门架)及对应时间戳。
(402)对途径目标路段的各个起讫点对按贡献量(每个起讫点对的贡献量具体指该起讫点对轨迹经过目标路段的车流量自然数)进行排序，排序后对目标路段车流量贡献率Cj进行累加(Cj为起讫点对对该路段的贡献量与路段流量的比值)，当贡献率累加达到0.8时，停止累加，参与累加的起讫点对作为该路段该时间段主要起讫点来源。
步骤5、求解主要起讫点的k短路(候选路径)，体步骤为：
(501)依次输入主要起讫点对，采用k短路算法(Yen’s算法)求解每对起讫点的k短路径；
(502)将每对起讫点的k短路径按途径路段序列存储。
步骤6、根据主要起讫点贡献量排序，依次计算每对主要起讫点的推荐路径重要性排序，具体包括以下步骤：
(601)从k＝1开始，求解当前起讫点之间的第k条候选路径上所有途径路段的饱和度(Vi/Ci，其中，i表示某条候选路径上的第i条途径路段，Vi是采用步骤3的方法得到的第i条途径路段的初始流量)。
(602)依次计算每条候选路径的饱和度代表值，其中，第k条候选路径的饱和度代表值为第k条候选路径中的所有分支路段的饱和度的最大值，记为其中，Z为第k条候选路径包括的路段总数，Vi是采用步骤3的方法得到的第i条途径路段的流量；
(603)将k条候选路径的饱和度代表值排序后，将当前起讫点的流量分配至饱和度代表值最小的候选路径，直到饱和度代表值最小的候选路径的饱和度代表值等于饱和度代表值次小的候选路径的饱和度；然后，将当前起讫点的流量分配至这两条候选路径(即，饱和度代表值最小的候选路径和饱和度代表值次小的候选路径)，直到这两条候选路径的饱和度代表值等于饱和度代表值第三小的候选路径的饱和度代表值；以此类推，若所有候选路径的饱和度代表值相等前或相等时初始交通需求量(各个主要起讫点交通量的求和)无剩余，则根据流量分配结果确定路径诱导推荐路径的重要性排序，无需进入二分法步骤。若所有候选路径的饱和度代表值相等后初始交通需求量仍有剩余，则使用二分法查找满足交通需求剩余量分配的候选路径。具体的：
①将分配完毕后的各条候选路径的饱和度代表值作为二分法的下界，即
②计算各条候选路径的本次二分饱和度代表值
其中，表示第k条候选路径在第n次迭代后的二分饱和度代表值，n表示循环次数。
并计算各条候选路径的饱和度增大至二分饱和度代表值的交通需求量；
具体的，候选路径的饱和度增大至二分饱和度代表值的交通需求量的计算方式为
③计算各条候选路径步骤②计算的交通需求量与步骤(603)计算的初始交通需求剩余量的差值ΔD，并返回步骤②，循环上述过程直到差值ΔD小于阈值(阈值根据交通需求剩余量确定，建议选取交通需求剩余量的1％)，最后一次计算得到的各候选路径交通需求量，即为交通需求剩余量分配至各候选路径的分配结果；
根据流量分配结果确定路径诱导推荐路径的重要性排序，即终点向路径分配流量最多的路径引导，同时考虑向其他路径引导以尽量均衡流量。
本发明利用多源异构数据信息互补，对路段流量和交通需求的历史规律进行了分析，进而为高速公路拥堵管理提供参考。
实施例二
本实施例提供了一种基于道路使用模式的路径诱导系统，其具体包括如下模块：
目标路段确定模块，其被配置为：获取各主干路段的流量和交通事故信息，判别各主干路段的拥堵和异常情况，将发生拥堵或异常情况的主干路段作为目标路段；
主要起讫点确定模块，其被配置为：获取某历史时间段内途径所述目标路段的所有车辆的行驶轨迹，确定途径所述目标路段的主要起讫点；
流量分配模块，其被配置为：对于每对主要起讫点，计算主要起讫点之间的每条候选路径的饱和度代表值，基于每条候选路径的饱和度代表值，将主要起讫点的流量分配至各条候选路径。
此处需要说明的是，本实施例中的各个模块与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的一种基于道路使用模式的路径诱导方法中的步骤。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的一种基于道路使用模式的路径诱导方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于道路使用模式的路径诱导方法，其特征在于，包括：
获取各主干路段的流量和交通事故信息，判别各主干路段的拥堵和异常情况，将发生拥堵或异常情况的主干路段作为目标路段；
获取某历史时间段内途径所述目标路段的所有车辆的行驶轨迹，确定途径所述目标路段的主要起讫点；
对途径目标路段的各个起讫点对按贡献量进行排序，排序后对目标路段车流量贡献率进行累加，当贡献率累加达到0.8时，停止累加，参与累加的起讫点对作为该路段该时间段主要起讫点来源；
对于每对主要起讫点，计算主要起讫点之间的每条候选路径的饱和度代表值，基于每条候选路径的饱和度代表值，将主要起讫点的流量分配至各条候选路径；
所述每条候选路径的饱和度代表值为每条候选路径中各个分支路段的饱和度的最大值；
所述分支路段的饱和度为分支路段的流量与容量的比值；
所述分支路段的流量的计算步骤为：
获取分支路段的起讫点间的距离与旅行时间；
基于起讫点间的距离与旅行时间，计算分支路段的车流速度；
将所述车流速度输入速度-流量模型，得到分支路段的流量；
将主要起讫点的流量分配至各条候选路径的具体步骤为：
将主要起讫点的流量分配至饱和度代表值最小的候选路径，直到饱和度代表值最小的候选路径的饱和度代表值等于饱和度代表值次小的候选路径的饱和度代表值；
将主要起讫点的流量分配至饱和度代表值最小的候选路径和饱和度代表值次小的候选路径，直到这两条候选路径的饱和度代表值等于饱和度代表值第三小的候选路径的饱和度代表值；
以此类推，直到所有候选路径的饱和度代表值相等且初始交通需求量无剩余。
2.如权利要求1所述的一种基于道路使用模式的路径诱导方法，其特征在于，所述主要起讫点之间的候选路径采用k短路算法得到。
3.如权利要求1所述的一种基于道路使用模式的路径诱导方法，其特征在于，若所有候选路径的饱和度代表值相等后初始交通需求量有剩余，执行以下步骤：
①将分配完毕后的各条候选路径的饱和度代表值作为二分法的下界；
②对于各条候选路径，基于二分法的下界，计算各条候选路径的二分饱和度代表值以及交通需求量；
③计算各条候选路径的交通需求量与所述初始交通需求剩余量的差值，判断该差值是否小于设定阈值，若小于，则根据各条候选路径的交通需求量将主要起讫点的流量分配至各条候选路径；否则，返回步骤②。
4.一种基于道路使用模式的路径诱导系统，其特征在于，包括：
目标路段确定模块，其被配置为：获取各主干路段的流量和交通事故信息，判别各主干路段的拥堵和异常情况，将发生拥堵或异常情况的主干路段作为目标路段；
主要起讫点确定模块，其被配置为：获取某历史时间段内途径所述目标路段的所有车辆的行驶轨迹，确定途径所述目标路段的主要起讫点；
流量分配模块，其被配置为：对于每对主要起讫点，计算主要起讫点之间的每条候选路径的饱和度代表值，基于每条候选路径的饱和度代表值，将主要起讫点的流量分配至各条候选路径。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3中任一项所述的一种基于道路使用模式的路径诱导方法中的步骤。
6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-3中任一项所述的一种基于道路使用模式的路径诱导方法中的步骤。
CN202210296447.2A 2022-03-24 2022-03-24 一种基于道路使用模式的路径诱导方法及系统 Active CN114758514B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210296447.2A CN114758514B (zh) 2022-03-24 2022-03-24 一种基于道路使用模式的路径诱导方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210296447.2A CN114758514B (zh) 2022-03-24 2022-03-24 一种基于道路使用模式的路径诱导方法及系统

Publications (2)

Publication Number Publication Date
CN114758514A CN114758514A (zh) 2022-07-15
CN114758514B true CN114758514B (zh) 2023-07-28

Family

ID=82327577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210296447.2A Active CN114758514B (zh) 2022-03-24 2022-03-24 一种基于道路使用模式的路径诱导方法及系统

Country Status (1)

Country Link
CN (1) CN114758514B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115830851A (zh) * 2022-11-03 2023-03-21 阿波罗智联(北京)科技有限公司 交通流量调节方法、装置、设备及介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288193B (zh) * 2011-07-06 2013-06-26 东南大学 一种基于历史数据的机动车出行路径的确定方法
CN109887288B (zh) * 2019-03-27 2021-06-15 江苏智通交通科技有限公司 一种基于出行结构的城市路网诱导方案发布方法和系统
CN112311687B (zh) * 2020-10-26 2022-04-01 新华三大数据技术有限公司 一种流量调度方法及装置
CN112668964A (zh) * 2020-12-23 2021-04-16 北京京东振世信息技术有限公司 运输凭证路由方法、装置、设备及计算机可读存储介质
CN112818497B (zh) * 2021-04-19 2021-06-29 腾讯科技（深圳）有限公司 交通仿真方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN114758514A (zh) 2022-07-15

Similar Documents

Publication Publication Date Title
CN108053661B (zh) 一种交通控制的方法及装置
Myung et al. Travel time prediction using k nearest neighbor method with combined data from vehicle detector system and automatic toll collection system
CN106327871B (zh) 一种融合历史数据和预约数据的高速公路拥挤预测方法
Wang et al. A multi-agent based vehicles re-routing system for unexpected traffic congestion avoidance
CN107025788B (zh) 一种旅行时间预测方法及装置
CN103745611A (zh) 一种交通路径规划方法、装置及系统
CN110942198A (zh) 一种用于轨道交通运营的乘客路径识别方法和系统
CN106887141B (zh) 基于排队论的连续交通节点拥塞程度预测模型、系统及方法
CN105608894B (zh) 一种确定突发性拥堵状态的方法及装置
CN114758514B (zh) 一种基于道路使用模式的路径诱导方法及系统
CN106846810A (zh) 一种高速公路收费站限流方法和装置
CN110827537B (zh) 一种潮汐车道的设置方法、装置及设备
CN107644533A (zh) 基于移动网络数据的高速公路虚拟断面车流量监测方法
Narayanan et al. Travel time estimation using speed predictions
CN110197583A (zh) 一种道路路况的识别方法、装置及存储介质
Ding et al. Segment travel time route guidance strategy in advanced traveler information systems
CN112797994A (zh) 用于确定路线的预计到达时间的方法及相关装置和服务器
CN104952243A (zh) 通行时长分配方法及装置
CN116524715A (zh) 结合干线绿波协调和应急路径决策的滚动双层规划方法
CN112509332B (zh) 路况确定方法、装置、介质以及电子设备
Bhat et al. Design and implementation of a dynamic intelligent traffic control system
CN111243280B (zh) 一种实时计算交通状态的指标的方法及装置
Klunder et al. The effect of inaccurate traffic data for ramp metering: Comparing loop detectors and cameras using information utility
CN107886190B (zh) 一种突发事件下乘客出行选择行为仿真方法及装置
Akbar et al. Methodology for simulating heterogeneous traffic flow at intercity roads in developing countries: a case study of university road in peshawar

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant